Plano de Estudos
Laboratório de Estatística I - Introdução à Simulação LE-IIS
Contextos
Groupo: 5_LMat 2026/27 > 1º Ciclo > Matemática ou Matemática com Minor - 3º Ano > Licenciatura em Matemática com Minor > Minor em Estatística e Investigação Operacional > Optativas > 550 - Minor em Estatística e Investigação Operacional > 1º Semestre
ECTS
6.0 (para cálculo da média)
Objectivos
OA1. Desenvolver conhecimentos essenciais sobre o software R. OA2. Aplicar os conhecimentos adquiridos em áreas como Ciência de Dados. OA3. Compreender e reconhecer a utilidade da Simulação na Estatística. OA4. Aprender a utilizar a simulação como experiência de amostragem computacional. OA5. Ser capaz de gerar amostras com diferentes distribuições de probabilidade. OA6. Aplicar técnicas de simulação, como o método de Monte Carlo, para resolver problemas reais. OA7. Desenvolver a capacidade de interpretar e aplicar os resultados de simulações em problemas práticos.
Programa
Os conteúdos programáticos pretendem concretizar todos os objetivos propostos para a unidade curricular. CP1. Introdução ao R e ao RStudio CP2. Estruturas de dados básicas no R (vetores, fatores, matrizes, listas, data frames) CP3. Estruturas de seleção e repetição (if, else, while, for) CP4. Funções, representações gráficas, RMarkdown CP5. Organização, preparação e tratamento de dados (bases de dados) CP6. A simulação como fonte de informação e de utilidade em Estatística CP7. A Simulação como experiência amostragem (em computador): - Geração de números pseudoaleatórios; - Simulação de variáveis aleatórias discretas e contínuas; - Método de Monte Carlo; - Método da transformada inversa e aceitação-rejeição para geração de variáveis aleatórias; - Aplicações de simulação em contextos reais.
Método de Avaliação
Os estudantes podem optar por realizar a avaliação contínua através de dois testes ou, em alternativa, realizar o exame final na 1.ª época. A avaliação contínua está sujeita a condições específicas, nomeadamente uma nota mínima por teste e uma média final mínima para aprovação. - Cada teste (T1 e T2) vale 10 valores e o estudante deve ter nota igual ou superior a 4 valores. - A soma final dos dois testes deve ser igual ou superior a 9.5 valores (sem arredondamento). A avaliação final: 1. Exame escrito (20 valores) A aprovação requer 9.5 valores ou mais valores na avaliação contínua ou avaliação final. A equipa docente poderá convocar qualquer aluno para uma prova oral no seguimento da realização de qualquer um dos elementos de avaliação.
Carga Horária
Carga Horária de Contacto -
Trabalho Autónomo - 112.0
Carga Total -
Bibliografia
Principal
- Simulation and the Monte Carlo Method: Rubinstein, R.Y. e Kroese, D.P. 2008 Wiley Series in Probability and Statistics.
- Simulation: Ross, Sheldon M. 2022 (6th ed.) Academic Press
- Probability with applications and R: Amy S. Wagaman; Robert P. Dobrow 2021 (2nd ed.) Wiley
Secundária
- Estatística com R: Aprenda Fazendo: Curto, J.D. 2021 JDC
- Practical Statistics for Data Scientists: 50+ Essential Concepts Using R and Python: Bruce, P., Bruce, A., & Gedeck, P. 2020 (2nd ed.). O Reilly Media, Inc.
- How Charts Lie. Getting smarter about visual information: Cairo, A. 2019 New York: W.W. Norton & Company, Inc.
- Introdução à Estatística: Murteira, B.; Silva, R.; Andrade e Silva, C.; Pimenta, C. 2010 McGraw-Hill.
- Introduction to Probability and Statistics: Mendenhall, W., Beaver, R.J., & Beaver, B.M. 2020 (15th ed.). Cengage.